基于地理社区的社交网络中的商业点推广方法和系统技术方案

本发明专利技术提供一种基于地理社区的社交网络中商业点推广方法和系统，基于用户在社交网络中所发布的历史位置信息大数据，挖掘用户密集分布的地理社区和用户与地理社区的归属关系；基于用户社交关系、地理社区中用户的地理分布和所推广商业点的位置，建立推广商业点的信息在地理社区中的传播模型；运用贪心算法，选取能够带来最大期望推广效益的多个地理社区，并将该多个地理社区中的用户的密集分布位置作为商业点推广信息的初始投放位置。利用实际生活中广泛存在的地理社区，确定地理社区中用户稳定的位置分布，从而为商业点确定目标用户的位置分布；基于地理社区中用户的密集分布位置，为商业点推广广告的定向投放提供可带来最大期望收益的投放位置。

Business Point Promotion Method and System in Social Network Based on Geographical Community

【技术实现步骤摘要】
基于地理社区的社交网络中的商业点推广方法和系统
本专利技术涉及大数据、社交网络研究领域，具体地，设计一种基于地理社区的社交网络中商业点最大化推广方法和系统。
技术介绍
在诸如微信、QQ、微博、抖音等具有内容分享功能的社交网络中，商业点推广就是利用用户在社交网络中发布的具有位置信息的分享内容为商业点吸引尽可能多的顾客。具体地，通过激励部分初始推广用户在社交网络中发布该商业点推广信息，以吸引其社交好友光顾该商业点；进一步，通过新光顾的用户进一步发布商业点推广信息以吸引更多的用户光顾该商业点。由于用户更愿意接受来自自己社交好友传播的广告，大量用户会受到口碑效应的影响，被该商业点所吸引进而光顾该商业点，从而达到商业点推广的目的。经过对现有技术文献的检索发现，商业点推广在近年的广泛研究中被定义为一种具有位置属性的信息影响最大化问题。传统的商业点推广方是通过预估个体用户经初始推广后可为商业点吸引的个体目标用户规模的期望值，然后基于贪心算法，按照所预估的期望值，选取能够吸引最多用户的特定个数初始推广个体用户。例如，G.Li等在2014年ACMSIGMOD会议上发表的Efficientlocation-awareinfluencemaximization(高效的具有位置属性的影响最大化)中，假设每一个用户逗留在一个固定的地点，面向一个特定的地理区域，设计选择K(K>1,K为整数)个初始推广用户以最大化影响在区域R中用户间的传播。W.Zhu等在2015年ACMSIGKDD会议上发表的Modelingusermobilityforlocationpromotioninlocation-basedsocialnetworks(社交网络中位置推广的用户移动性建模)中，提出了一种基于距离的用户移动模型，并通过实验结果验证了该算法在描述用户移动至所推广商业点的概率方面的有效性。X.Wang等人在2016年IEEEICDE上发表的Distance-awareinfluencemaximizationingeo-socialnetwork(地理社交网络中基于距离的影响最大化)提出用户线下光顾推广商业点的概率随距离呈衰减，并进而提出了选取K个初始推广个体的贪心算法。然而，在实际的位置推广中，商业点的目标用户往往是地理距离其较近的用户，但在传统面向个体用户的推广方法中，用于个体用户的位置属性稀疏易变，在预估推广规模时无法准确定位目标用户；此外，个体用户在社交网络中所引起的信息传播有限，在有限的激励预算下激励少量的初始推广用户往往不能实现大规模的商业点推广。与本申请相关的现有技术是专利文献CN103745105B，提供一种社交网络中用户属性的预测方法及系统，所述方法包括：统计一段时间内每个时刻对用户影响力最大的N个好友，其中N为正整数；以及根据每个时刻对用户影响力最大的N个好友在每个时刻的属性来预测将来时刻所述用户的属性。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于地理社区的社交网络中商业点最大化推广方法和系统。根据本专利技术提供的技术方案，利用地理社区中用户呈现的稳定移动状态确定目标用户，进而构建地理社区间的商业点推广信息传播模型并选取能够最大化推广增益的初始推广社区。根据本专利技术提供的一种基于地理社区的社交网络中的商业点推广方法，包括：信息采集步骤：采集社交网络中各个用户的历史位置信息，根据历史位置信息挖掘得到用户密集分布的地理社区，确定各个用户与地理社区之间的归属关系；模型建立步骤：基于各个用户的社交关系、地理社区中各个用户的地理分布关系，建立待推广商业点在地理社区中的期望传播模型；投放建议步骤：根据期望传播模型进行运算，得到投放位置建议列表，所述列表中按照期望推广效益大小排列，选择列表中期望推广效益最大的一个投放位置建议中的地理社区作为初始推广社区，将初始推广社区中地理分布关系的密集分布位置作为初始投放位置。优选地，所述信息采集步骤包括：移动模型建立子步骤：对每一个地理社区，建立一个基于隐马尔可夫模型的用户移动模型，其中每个模型中包含有H1个稳定状态，每个稳定状态具有一个核心位置作为所述地理社区中用户的H2个聚集位置；每个隐马尔可夫模型具有一个H1×H2转移概率矩阵用于刻画用户在多个聚集地间的移动特征；移动轨迹计算子步骤：根据历史位置信息，将每一个用户的连续N个位置信息设置为一条轨迹：lr＝{lr,1,lr,2,…,lr,N}，并假设轨迹lr对应的用户位于所述N个位置时所处的状态为Dr＝{sr,1,sr,2,…,sr,N}，令集合Nu表示用户u的全部历史位置信息，则用户u具有条移动轨迹；参数确认子步骤：对每个地理社区，确定隐马尔可夫模型的待定参数，分别按如下表达式更新：其中，πh表示地理社区中用户的稳态分布概率；h表示一个稳定状态；R表示总的用户移动轨迹数目；r表示对用户移动轨迹进行遍历时的变量；wr为一条轨迹对应的用户当前归属于所述地理社区的概率；γ(sr,n＝h)表示用户位于位置lr,n时处于稳定状态h的概率；αij为由稳定状态i转移至稳定状态j的概率；N表示每条用户的移动轨迹中用户位置的数目，n表示移动轨迹中的第n个位置；ε(sr,n-1＝i,sr,n＝j)则表示对于两个连续位置lr,n-1和lr,n用户分别处于稳定状态i和稳定状态j的概率；lh表示第h个稳定状态中用户密集分布位置；H表示每个地理社区中总的用户稳态分布状态数目，h表示其中一个稳定状态；τ表示地理社区中的用户移动偏好；ln(||lr,n-lh||2+∈表示更新参数时所产生的中间变量，可由lr,n、lh、∈三个参数直接计算得到；归属关系确认子步骤：基于待定参数，对每个地理社区的隐马尔可夫模型进行迭代，得到用户归属于各个地理社区的归属关系概率。优选地，对于处于第i个群组中第h个稳定状态si,h的用户，采用基于距离的帕累托分布来刻画所述用户位于位置L的移动概率P(L|si,h)，即其中，li,h为稳定状态si,h所对应的核心位置；x表示计算移动概率P(L|si,h)时的积分标量；τ表示所述地理社区中的用户移动偏好；ε表示计算移动概率P(L|si,h)时保证分母不为0的校正参数，是预设值。优选地，对于用户u，其归属于地理社区gi的概率更新为其中，(p(lr|gi)为在当前参数下轨迹lr按地理社区gi的移动模型所计算得到的分布概率；为地理社区的数量；p(gi)表示地理社区gi的概率；Tu表示用户u的所有移动轨迹构成的集合；lr表示第r条用户的移动轨迹。优选地，在所述迭代中，参数p(gi)＝∑u∈Vplast(gi|u)/|V|；其中，plast(gi|u)为上轮迭代中更新后的归属概率P(gi|u)；在T次迭代结束后得到各个地理社区的隐马尔可夫模型参数[πi,1,πi,2,…,πi,H,A,[li,1,li,2,…,li,H],τ；V表示A表示为地理社区gi中用户的密集分布位置；对于任意一个用户u，其隶属与地理社区gi的概率记为最后一轮迭代后的概率P(gi|u)；若P(gi|u)>0，则记为u∈gi。优选地，所述模型建立步骤包括：光顾概率计算子步骤：基于各个地理社区的隐马尔可夫移动模型，计算各个地理社区中用户达到所推广商业点的期望概率；传播本文档来自技高网...

【技术保护点】
1.一种基于地理社区的社交网络中的商业点推广方法，其特征在于，包括：信息采集步骤：采集社交网络中各个用户的历史位置信息，根据历史位置信息挖掘得到用户密集分布的地理社区，确定各个用户与地理社区之间的归属关系；模型建立步骤：基于各个用户的社交关系、地理社区中各个用户的地理分布关系，建立待推广商业点在地理社区中的期望传播模型；投放建议步骤：根据期望传播模型进行运算，得到投放位置建议列表，所述列表中按照期望推广效益大小排列，选择列表中期望推广效益最大的一个投放位置建议中的地理社区作为初始推广社区，将初始推广社区中地理分布关系的密集分布位置作为初始投放位置。

【技术特征摘要】
1.一种基于地理社区的社交网络中的商业点推广方法，其特征在于，包括：信息采集步骤：采集社交网络中各个用户的历史位置信息，根据历史位置信息挖掘得到用户密集分布的地理社区，确定各个用户与地理社区之间的归属关系；模型建立步骤：基于各个用户的社交关系、地理社区中各个用户的地理分布关系，建立待推广商业点在地理社区中的期望传播模型；投放建议步骤：根据期望传播模型进行运算，得到投放位置建议列表，所述列表中按照期望推广效益大小排列，选择列表中期望推广效益最大的一个投放位置建议中的地理社区作为初始推广社区，将初始推广社区中地理分布关系的密集分布位置作为初始投放位置。2.根据权利要求1所述的基于地理社区的社交网络中的商业点推广方法，其特征在于，所述信息采集步骤包括：移动模型建立子步骤：对每一个地理社区，建立一个基于隐马尔可夫模型的用户移动模型，其中每个模型中包含有H1个稳定状态，每个稳定状态具有一个核心位置作为所述地理社区中用户的H2个聚集位置；每个隐马尔可夫模型具有一个H1×H2转移概率矩阵用于刻画用户在多个聚集地间的移动特征；移动轨迹计算子步骤：根据历史位置信息，将每一个用户的连续N个位置信息设置为一条轨迹：lr＝{lr,1,lr,2,…,lr,N}，并假设轨迹lr对应的用户位于所述N个位置时所处的状态为Dr＝{sr,1,sr,2,…,sr,N}，令集合Nu表示用户u的全部历史位置信息，则用户u具有条移动轨迹；参数确认子步骤：对每个地理社区，确定隐马尔可夫模型的待定参数，分别按如下表达式更新：其中，πh表示地理社区中用户的稳态分布概率；h表示一个稳定状态；R表示总的用户移动轨迹数目；r表示对用户移动轨迹进行遍历时的变量；wr为一条轨迹对应的用户当前归属于所述地理社区的概率；γ(sr,n＝h)表示用户位于位置lr,n时处于稳定状态h的概率；αij为由稳定状态i转移至稳定状态j的概率；N表示每条用户的移动轨迹中用户位置的数目，n表示移动轨迹中的第n个位置；ε(sr,n-1＝i,sr,n＝j)则表示对于两个连续位置lr,n-1和lr,n用户分别处于稳定状态i和稳定状态j的概率；lh表示第h个稳定状态中用户密集分布位置；H表示每个地理社区中总的用户稳态分布状态数目，h表示其中一个稳定状态；τ表示地理社区中的用户移动偏好；ln(||lr,n-lh||2+∈表示更新参数时所产生的中间变量，可由lr,n、lh、∈三个参数直接计算得到；归属关系确认子步骤：基于待定参数，对每个地理社区的隐马尔可夫模型进行迭代，得到用户归属于各个地理社区的归属关系概率。3.根据权利要求2所述的基于地理社区的社交网络中的商业点推广方法，其特征在于，对于处于第i个群组中第h个稳定状态si,h的用户，采用基于距离的帕累托分布来刻画所述用户位于位置L的移动概率P(L|si,h)，即其中，li,h为稳定状态si,h所对应的核心位置；x表示计算移动概率P(L|si,h)时的积分标量；τ表示所述地理社区中的用户移动偏好；ε表示计算移动概率P(L|si,h)时保证分母不为0的校正参数，是预设值。4.根据权利要求2所述的基于地理社区的社交网络中的商业点推广方法，其特征在于，对于用户u，其归属于地理社区gi的概率更新为其中，(p(lr|gi)为在当前参数下轨迹lr按地理社区gi的移动模型所计算得到的分布概率；为地理社区的数量；p(gi)表示地理社区gi的概率；Tu表示用户u的所有移动轨迹构成的集合；lr表示第r条用户的移动轨迹。5.根据权利要求4所述的基于地理社区的社交网络中的商业点推广方法，其特征在于，在所述迭代中...

【专利技术属性】
技术研发人员：吴旭东，张子欣，杨大力，傅洛伊，王新兵，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31